Beruflich Dokumente
Kultur Dokumente
XLII SBPO
Bento gonalves rs
825
30/08 a 03/09
XLII SBPO
Bento gonalves rs
1. Introduo
O planejamento da operao de sistemas eltricos tem por objetivo a determinao do
montante de produo de energia por cada unidade geradora que minimize o valor esperado do
custo total de operao do sistema no horizonte considerado, mantendo um nvel pr-determinado
de confiabilidade (Fortunato, 1990).
Na operao de sistemas hidrotrmicos, como o Sistema Eltrico Brasileiro (SEB), o
objetivo usar, sempre que possvel, a gerao de origem hidreltrica, usando as demais fontes
como gerao complementar a fim de agregar maior confiabilidade ao sistema.
O planejamento da operao do SEB dividido de acordo com o horizonte de estudo
que vai do despacho hidrotrmico at o planejamento de mdio prazo. No despacho hidrotrmico
o sistema representado de forma detalhada, j que as restries de operao dos reservatrios
so conhecidas e as incertezas com relao s afluncias so muito baixas. medida que o
horizonte se distancia do despacho horrio, a incerteza com relao s afluncias aumenta,
tornando o problema mais complexo do ponto de vista estatstico. Por outro lado, as restries
horrias perdem importncia em horizontes maiores, e a representao fsica do sistema pode ser
simplificada (Maceira, 2002; Silva, 2001).
O presente trabalho apresenta como foco o planejamento de mdio prazo, cujo
horizonte varia de um a cinco anos, com elevadas incertezas, tais como, variao da carga e
afluncias aos reservatrios ao longo do horizonte. Por outro lado, possibilita uma modelagem do
sistema com menor nvel de detalhamento.
Desta forma, o planejamento da operao de mdio prazo tem como caractersticas:
826
30/08 a 03/09
XLII SBPO
Bento gonalves rs
X =
t( t)
1
E Min C U +
X
U
t t
t +1 t +1
y X t
t t
( )
(1)
Sujeito a:
gtt + ght + def t = Dt
(2)
xt +1 = xt + yt ut st
(3)
xt +1 xt +1 xt +1
(4)
ut ut
(5)
ght = .ut
(6)
Onde:
T
t(Xt)
t+1
Eyt|Xt
827
30/08 a 03/09
XLII SBPO
Bento gonalves rs
Xt
Ut
Ct(Ut)
gtt
ght
Deft
Dt
xt
xt+1
yt
ut
ut
st
xt +1
xt +1
Na equao (1), Ct(Ut) representa o custo imediato vinculado deciso Ut, uma vez que
o estado Xt+1 a conseqncia da deciso operativa Ut. Considera-se que Ut dado pelos vetores
correspondentes aos volumes armazenados no final do estgio, volumes turbinados e vertidos das
usinas hidreltricas, montante gerado nas usinas trmicas e dficit de energia. A funo de custo
de operao pode ser definida como a associao do custo em um determinado estado Xt ao custo
futuro associado ao estado Xt+1.
As equaes (2) a (5) representam as restries do problema, sendo a equao (2)
representa a restrio de atendimento demanda, onde o montante de gerao hdrica e trmica
deve suprir a demanda solicitada pelo sistema. Estes valores esto representados em MW-mdios
( MW ).
Na equao (3) tem-se a restrio de balano hdrico, onde o volume armazenado no
final de um estgio, xt+1, igual ao volume armazenado no incio deste estgio, xt, somado
afluncia ao sistema durante o estgio, yt, subtrado do montante de gua utilizado na gerao ut,
e do total vertido st.
As equaes (4) e (5) representam, respectivamente, os limites mximos e mnimos dos
reservatrios e os volumes mximos turbinveis. A equao (6) representa a gerao hidrulica
em funo da produtibilidade equivalente da usina e do volume turbinado.
Esse problema pode ser resolvido naturalmente por PD discretizando as variveis de
estado e enumerando todas as combinaes destas variveis. A desvantagem consiste no elevado
nmero de combinaes reforando a necessidade de novos procedimentos.
3. Fechos Convexos
Os algoritmos da classe Convex Hull (CH) apresentam, a partir de um conjunto de
pontos fornecidos, o menor polgono convexo que contm os pontos dados (Cormen, 2001),
conhecido como fecho convexo.
Um conjunto C considerado convexo se para quaisquer pontos x, y C , qualquer
combinao convexa de x e y tambm pertena a C, ou seja,
(1 ) x + y C | x, y C e [0,1]
(7)
Existem diversos algoritmos para a obteno dos CHs, dentre eles, o algoritmo de
Graham, o algoritmo de Jarvis e o algoritmo QuickHull, sendo este ltimo utilizado no
desenvolvimento do presente trabalho (Qhull, 2009; Barber, 1996).
828
XLII SBPO
30/08 a 03/09
Bento gonalves rs
Figura 1: Algoritmo da obteno das funes de custo futuro utilizando fechos convexos
Observa-se que, seguindo a tcnica de programao dinmica, inicia-se pelo ltimo
estgio (t = T). No Bloco 1 so obtidos os custos operacionais mdios para cada estado operativo,
atravs da soluo de problemas de programao linear. O conjunto de pontos que relacionam o
armazenamento do reservatrio com o custo de operao obtido anteriormente fornecido ao
algoritmo QuickHull, obtendo o conjunto reduzido de planos que compem o fecho convexo.
Estes planos so utilizados para a modelagem da Funo de Custo Futuro (FCF). Este
procedimento mostrado no Bloco 2. No Bloco 3 h um decremento no nmero do estgio. As
FCFs obtidas entram como restrio na anlise do prximo estgio, sendo este procedimento
repetido at que se atinja o primeiro estgio. O critrio de parada est representado atravs do
Bloco 4.
4. Processamento Paralelo
A crescente demanda de aplicaes que necessitam um elevado esforo computacional,
o que em geral leva a um tempo de execuo que torna invivel a sua execuo, incentivou o
desenvolvimento de tcnicas e softwares que permitem a distribuio de processos ou
computao paralela de partes do cdigo.
Uma caracterstica importante da Programao Dinmica Estocstica est no fato do
clculo do custo timo de cada estado operativo de um estgio poder ser realizado de forma
independente dos outros estados do mesmo estgio, o que possibilita a paralelizao destes
processos.
829
30/08 a 03/09
XLII SBPO
Bento gonalves rs
S=
Ts
Tp
(7)
A Eficincia, por sua vez, mede a frao de tempo no qual cada unidade de
processamento efetivamente utilizada (Grama et al, 2003). A sua representao matemtica
dada pela razo entre o fator de acelerao e o nmero de processadores utilizados, conforme
equao abaixo
E=
T
S
= s
p p Tp
(8)
5. Aplicao ao SEB
A metodologia proposta, validada anteriormente para 2 usinas em cascata (Dias et al,
830
30/08 a 03/09
XLII SBPO
Bento gonalves rs
12
Custo (R$)
10
8
6
4
2
0
0
0.5
1
1.5
x 10
Arm. SE (MWms
2.5
0.5
1.5
2.5
Arm. S (MWms
x 10
x 10
6
Custo (R$)
5
4
3
2
1
0
0
0.5
1
5
x 10
Arm. SE (MWms
1.5
2
2.5
0.5
1.5
2.5
Arm. S (MWms
x 10
831
30/08 a 03/09
XLII SBPO
Bento gonalves rs
x 10
3
Custo (R$)
2.5
2
1.5
1
0.5
0
0.5
1
5
x 10
Arm. SE (MWms
1.5
2
0.5
1.5
Arm. S (MWms
x 10
(10)
Onde:
D
N
E
C
nmero de discretizaes;
nmero de reservatrios;
nmero de estgios;
nmero de cenrios;
72 60 (112 ) = 522.720
832
30/08 a 03/09
XLII SBPO
Bento gonalves rs
Tempo total
(s)
210,2
111,6
77,3
62,8
A partir dos tempos totais obtidos e dos tempos das partes paralelizada e seqencial do
cdigo em anlise, pode-se calcular o fator de acelerao e eficincia, mostrados nas Figuras 8 e
9.
833
30/08 a 03/09
XLII SBPO
Bento gonalves rs
Grfico de Speedup
3.5
Speedup
2.5
1.5
0.5
Speedup
Speedup Linear
0
0.5
1.5
2
2.5
3
Nmero de Processadores
3.5
4.5
100
90
80
Eficincia (%)
70
60
50
40
30
20
10
0
P r o ce s s a d o re s
834
30/08 a 03/09
XLII SBPO
Bento gonalves rs
835
XLII SBPO
30/08 a 03/09
Bento gonalves rs
Dias, B. H.; Marcato, A. L. M.; Souza, R. C., Soares, M. P.; Silva Jr, I. C.; Oliveira, E. J.;
Brandi, R. B. S.; and Ramos, T. P.; (2010), Stochastic Dynamic Programming Applied to
Hydrothermal Power Systems Operation Planning Based on the Convex Hull Algorithm,
Mathematical Problems in Engineering vol.2010.
Fortunato, L. A. M., Neto, A. and Alencar, T. (1990). Introduo ao Planejamento da
Expanso e Operao de Sistemas de Produo de Energia Eltrica, Niteri EDUFF.
Grama, A., Gupta, A., Kumar, V. e Karypis, G. (2003). Introduction to Parallel Computing.
Addisson Wesley, 2 edition.
Grygier, J. C., Stendinger, J. R.; (1985) Algorithms for Optimizing Hydropower System
Operation . Water Resource Research, Vol 21, No. 1, pages 1-10.
Hipel, K. W., McLeod, A. I., (1994) Time Series Modeling of Water Resources and
Environmental Systems. Amsterdan, The Netherlands: Elsevier.
Kligerman, A. S., (1992) Operao tima de Subsistemas Hidrotrmicos Interligados
Utilizando Programao Dinmica Estocstica Dual. Dissertao de Mestrado, Unicamp.
Maceira, M., Terry, L., Costa, F., Damzio, J., Melo, A., (2002) Chain of optimization
models for setting the energy dispatch and spot price in the brazilian system. XIV Power
Systems Computation Conference, June, Spain.
Maceira, M. E. P., Damzio, J. M., (2004) The use of PAR(p) model in the stochastic dual
dynamic programming optimization scheme used in the operation planning of the Brazilian
hydropower system. International Conference os Probabilistic Methods Applied to Power
Systems, September, Iowa.
Mondal, M. S., Wasimi, S. A., (2006) Generating and forecasting monthly flows of the ganges
river with par model. Journal of Hydrology.
Ni, E.; Guan, X.; Li, R., (1999). Scheduling Hydrothermal Power System with Cascaded and
Head-Dependent Reservoir. IEEE Trans. Power Systems. Vol 14, No. 3, pages 1127 - 1132.
Pereira, M. V. F., (1989) Optimal stochastic operation of large hidro-electric systems.
Electrical Power and Energy Systems, vol.11.
Pereira, M. V. F., Pinto, L. M. V. G. (1985) Stochastic Optimization of a multireservoir
hydroelectric. Electrical Power and Energy Systems, vol. 11.
Pinto, R. J.; Duarte, V. S.; Maceira, M. E. P.; Metodologia para Aplicao de
Processamento Distribudo no Planejamento da Expanso e Operao; X SEPOPE,
Florianpolis, SC, Brasil, Maio, 2006.
Pinto, R. J.; Duarte, V. S.; Maceira, M. E. P.; Borges, C. L. T.; Falco, D. M.; Aveleda, A.
A.; Hinrichsen, A. C. P. A.; Metodologia para Aplicao de Processamento Distribudo no
Planejamento da Expanso e Operao; XXXIX SBPO, pp. 548-558, Fortaleza, CE, Brasil,
Agosto, 2007.
Qhull, biblioteca em C++, disponvel em http://www.qhull.com. Acesso em 10 de jan. 2009.
Silva, E. L.; (2001) Formao de Preo em Mercados de Energia Eltrica, Editora Sagra
Luzzatto.
Silva, E. L. e Finardi, E. C., (2003) Parallel Processing Applied to the Planning of
Hydrothermal Systems. IEEE Transactions on Parallel and Distributed Systems, vol. 14, no. 8.
Terry, L. A.; Pereira, M. V. F.; Neto, T. A. A.; Silva, L. F. C. e Sales, P. R. H.; (1986)
Brazilian national hydrothermal electrical generating system, Interfaces, 1986.
Wilkinson, B., Allen, M. (2005). Parallel Programming: techniques and applications using
networked workstations and parallel computers. Pearson Prentice Hall, 2nd edition.
Zambelli, M.; Siqueira, T. G.; Cicogna, M.; e Soares, S., (2006) Deterministic versus
stochastic models for long term hydrothermal scheduling. IEEE Power Engineering Society
General Meeting.
836